【《A市城乡建设用地变化驱动因子分析案例》8200字】

A市城乡建设用地变化驱动因子分析案例目录TOC\o"1-3"\h\u15607A市城乡建设用地变化驱动因子分析案例 1309241.1城乡建设用地的影响因素分析 1238931.1.1自然因素 1293921.1.2社会因素 219361.1.3经济因素 3118821.1.4生态保护因素 472901.2驱动因子选择及模型构建 4134751.2.1驱动因子选择 4262511.2.2DCCA模型构建 5157051.3基于DCCA城乡建设用地变化驱动力分析 582671.3.1驱动力显示度排序 6313761.3.2城乡建设用地景观指数与驱动因子的相关性 7304351.3.3城乡建设用地景观指数与乡镇样本的相关性 10253991.3.4乡镇样本与驱动因子间的相关性 13随着经济社会的发展和人类活动强度的提升，城乡建设用地的空间格局相应发生改变，而城乡建设用地空间格局的变化，又反作用于经济社会发展和人类活动。分析城乡建设用地空间格局变化的驱动因素，可为针对性地开展建设用地空间格局调控提供依据，更好地促进经济社会发展。城乡建设用地的扩张是复杂的过程，受众多因素的影响，已有研究表明，城乡建设用地变化的驱动因子大致可分为自然、社会、经济三个方面的因素[66-71]，其中自然因素是决定城乡建设用地空间格局变化的内在因素，经济、社会等因素是决定城乡建设用地空间格局变化的外在驱动力。自然因素在短时间内的影响不显著，而经济、社会等因素对城乡建设用地变化有较明显的驱动，如经济发展的需要、人口规模的扩张、土地利用政策的改变、城乡规划的实施等都能在短时间内对城乡建设用地的空间格局产生较为显著的影响。本研究从自然、社会、经济、生态保护四个方面采用定量与定性相结合的方法探讨城乡建设用地空间格局变化的影响因素，以图揭示城乡建设用地空间格局变化的机理。1.1城乡建设用地的影响因素分析1.1.1自然因素自然因素中地形地貌对城乡建设用地空间格局变化有着非常重要的影响，它对建设用地的空间布局及其发展有着明显的制约，是形成独特的城乡建设用地空间格局的基础。湘乡市地处湘中丘岗向湘江河谷平原的过渡带，地势西北高，而东部和中部较为平缓，建设用地布局与发展明显受到地形因素的制约，城市建设用地大部分分布在东部河谷平原地区，农村居民点则大多分布在丘岗地之间的谷地、洼地，东部城乡建设用地扩展速度明显快于西北部也与此有密切关系。1.1.2社会因素（1）人口数量人口数量的增长，直接影响城乡建设用地规模和结构的变化。人口数量的不断增加，使土地利用尤其是建设用地的需求提高，从而推动着房地产、工业和交通运输等产业的发展，进而推动城乡建设用地的扩展。同时，各乡镇由于人口数量变化不同，导致各乡镇间城乡建设用地空间格局变化有所差异。湘乡市总人口从2000年的80.77万人增加到2020年的92.96万人，城乡建设用地也从2000年的12635.37hm2增加到2020年的17522.82hm2，说明人口数量与城乡建设用地规模存在正相关关系。（2）人口构成非农人口比重增加表征城镇化水平提高，农村人口逐渐转为城镇人口，对城镇建设用地的需求增加，促使城镇建设用地加速扩张。湘乡市非农人口比重从2000年的19.32%上升到2020年的47.27%，城镇建设用地也从1198.35hm2增加到2427.93hm2，城镇化水平与城镇建设用地的规模呈正相关关系。随着非农人口比重的增加，农村人口比重降低，城乡建设用地结构发生变化，城镇建设用地在城乡建设用地的比重逐渐提高。（3）居民收入居民收入水平反映居民生活水平，收入水平的提高，改变了人们的住房观念，随着城乡居民收入水平的提高，对于住房需求从够用转变到了舒适，房屋“投资”功能也得到强化，推动了房地产业的快速发展，加速了城乡建设用地规模扩张和空间格局的变化。同时随着收入水平的提高，人们对于住宅周围配套的基础设施及公共服务设施的需求上升，也使城乡建设用地需求进一步提升。2000年~2020年，湘乡市城镇居民人均可支配收入从6219元增加到37997元，农村居民人均可支配收入从2965元增加到19711元，同期城镇建设用地从1198.35hm2增加到2427.93hm2，农村建设用地从11437.02hm2增加到15091.89hm2。1.1.3经济因素经济因素是城乡建设用地扩张最直接的推动力。较高的经济发展水平意味着产业结构的转型升级和经济实力的增强，第二产业产值和第三产业产值比重升高使得对基础设施用地、工业用地和其他用地的需求增加，城乡建设用地规模扩张。（1）投资规模固定资产投资是经济发展的重要推动力，因此城乡建设用地扩张与投资力度相关。湘乡市处于长株潭城市群，加工业较为发达，社会固定资产投资额逐渐增加，对城乡建设用地需求不断加大，促使城乡建设用地空间格局发生变化。2000~2020年，湘乡市固定资产投资额从109637万元增加到3064710万元，城乡建设用地规模及空间格局也随之发生变化。（2）财政实力财政收入的多少代表着财政实力的大小，2000年~2020年，湘乡市地方财政收入逐渐增加，地方财政收入的增加，意味着对产业发展、基础设施建设等的投入能力增强，也就必然对城乡建设用地规模及空间变化产生影响。（3）经济总量地区生产总值是地方经济体量的表征指标，湘乡市地区生产总值从2000年的392538万元增加到2020年的4830423万元，城乡建设用地面积逐渐增加，城乡建设用地增长与地区生产总值的发展方向一致，表明城乡建设用地规模变化与经济总量有密切关系。（4）产业结构第二、三产业比重的变化代表着产业结构的变化，产业结构的不同，使城乡建设用地数量构成以及空间结构发生变化。2000~2020年，湘乡市第二产业比重先增加后减少，2000~2010年，第二产业比重从41.8%逐渐上升到58.9%，2010~2020年又从58.86%逐渐减少到49.1%，第三产业比重则从2000年的29.8%增加到2020年的39.0%。二三产业的发展，推动城镇建设用地扩张，同时，随着第三产业比重的提升，主城区内部的工业用地大量迁出，商业服务用地比重大幅提升，城乡建设用地空间结构发生变化。1.1.4生态保护因素生态环境是人类生存和发展的基本条件，是经济、社会发展的基础。保护生态环境，实现可持续发展，是我国现代化建设中必须始终坚持的一项基本方针。国家对于生态环境保护越来越重视，减少资源消耗，严格控制非农建设占用耕地，加强耕地和永久基本农田保护与建设，是生态保护的重要内容之一。永久基本农田保护，是对永久基本农田的质量、数量、生态等的全方位管护，有着严格法律政策规定，且实行严格的自上而下的控制，因此，其对城乡建设用地空间格局变化有重要影响。1.2驱动因子选择及模型构建1.2.1驱动因子选择根据城乡建设用地空间格局变化的一般规律，考虑指标数据的可获取性，本研究选取地区生产总值（GDP）、地方财政收入、固定资产投资、人口数量、居民可支配收入五个因子，对2000年~2020年湘乡市城乡建设用地空间格局演化的驱动因子进行分析（表4-1）。表4-1湘乡市2000~2020年主要经济社会指标统计值2000年2005年2010年2015年2020年人口数量（万人）80.7787.3592.8292.4192.96地区生产总值（万元）392538.00103751.001758381.003285826.004830423.00地方财政收入（万元）18662.0031523.0084892.00186473.00314351.00固定资产投资（万元）109637.00324615.00523188.001915652.003064710.00居民可支配收入（元）4025.008756.0017295.0024782.0038246.001.2.2DCCA模型构建（1）基本原理DCCA（DetrendedCanonicalCorrespondenceAnalysis）即除趋势典范对应分析模型是广泛用于度量非平稳、非线性时间序列交叉相关性的模型。DCCA分析又称多元直接梯度分析，它整合了对应分析与多元回归分析的优势，每列计算均与环境因子进行多元回归分析，在对应分析迭代过程中，要求每步得到的排序结果，均要将样本排序值与样本环境因子进行多元线性回归[69-75]。DCCA分析能有效地消除因第一、二排序轴间的相关性产生的“弓形效应”。同时，能够直观地将环境因子、物种、样本同时表达在排序轴的二维坐标平面上。目前DCCA分析模型较多运用在生态系统、金融领域的相关研究中[79-87]，在土地利用研究中的应用尚处于萌芽阶段。DCCA的具体分析步骤如下：首先，计算样本排序值，在本研究中为湘乡市18个乡镇排序值；其次，计算物种排序值，本研究指湘乡市10个景观指数的排序值；然后，计算环境因子排序值，本文指选取的5个社会、经济驱动因子排序值；最后，将计算出来的样本排序值和物种排序值与环境因子进行多元回归分析，最终得到包含有乡镇为样本的景观指数变化受社会、经济因子影响的重要作用信息的样方排序值。（2）DCCA模型构建将湘乡市2000~2005年、2005~2010年、2010~2015年、2015~2020年城乡建设用地10个景观指数变量作为物种变量，将相应时段的5个经济、社会发展因子变化量作为环境因子，将湘乡市18个乡镇作为样本，对物种变量排序值与环境因子排序值采用标准化法进行数据正态标准化处理；以湘乡市18个乡镇的城乡建设用地景观指数与社会、经济因子分别生成物种数据和环境数据，运用软件Canoco5将分析结果生成物种、样本与环境因子变量的双序图。1.3基于DCCA城乡建设用地变化驱动力分析首先，为消除量纲或数据统计口径不同带来的影响，在进行系统分析之前，先进行标准化处理。本研究采用正态标准化方法对景观指数及影响因子数据进行标准化处理，具体计算公式为：（4-1）式中，为标准化后的变量，max(xi)为样本指数最大值，min(xi)为样本指数最小值。1.3.1驱动力显示度排序由表4-2可知，2000~2005年的景观指数—驱动因子相关分析结果中，其四个轴的特征累计贡献率为83.28%，前两轴的特征累计贡献率为78.52%，表明前两轴反映了城乡建设用地景观指数与驱动因子之间大部分的关系信息，因此，前两轴就可反映出研究区景观指数与驱动因子之间的相关性。驱动因子的前两轴与景观指数之间相关系数分别为0.7815和0.3552，均达到极显著水平，这说明景观指数与选择的驱动因子之间密切相关。由表4-3可知，2005年~2010年的景观指数—驱动因子相关分析结果中，其四个轴的特征累计贡献率为88.31%，前两轴的特征累计贡献率为75.73%，表明前两轴反映了城乡建设用地景观指数与驱动因子之间大部分的关系信息，因此，前两轴就可反映出研究区景观指数与驱动因子之间的相关性。驱动因子的前两轴与景观指数之间相关系数分别为0.7255和0.5778，均达到显著水平，这说明景观指数与选择的驱动因子之间密切相关。由表4-4可知，2010年~2015年的景观指数—驱动因子相关分析结果中，其四个轴的特征累计贡献率为81.53%，前两轴的特征累计贡献率为71.31%，表明前两轴反映了城乡建设用地景观指数与驱动因子之间大部分的关系信息，因此，前两轴就可反映出研究区景观指数与驱动因子之间的相关性。驱动因子的前两轴与景观指数之间相关系数分别为0.7565和0.5400，均达到显著水平，这说明景观指数与选择的驱动因子之间密切相关。由表4-5可知，2015年~2020年的景观指数—驱动因子相关分析结果中，其四个轴的特征累计贡献率为81.21%，前两轴的特征累计贡献率为68.27%，表明前两轴反映了城乡建设用地景观指数与驱动因子之间大部分的关系信息，因此，前两轴就可反映出研究区景观指数与驱动因子之间的相关性。驱动因子的前两轴与景观指数之间相关系数分别为0.8313和0.4784，均达到显著水平，这说明景观指数与选择的驱动因子之间密切相关。表4-22000~2005年排序轴特征值及景观指数-驱动因子相关性1234排序特征值0.30800.10800.03300.0409景观指数—驱动因子相关性0.78150.35520.00000.0000特征累计贡献率57.878.5271.1182.28表4-32005~2010年排序轴特征值及景观指数-驱动因子相关性1234排序特征值0.41550.30610.02260.0153景观指数—驱动因子相关性0.72550.57780.00000.0000特征累计贡献率56.2775.7381.4388.31表4-42010~2015年排序轴特征值及景观指数-驱动因子相关性1234排序特征值0.40990.20360.01980.0087景观指数—驱动因子相关性0.75650.54000.00000.0000特征累计贡献率55.0271.3180.4281.53表4-5湘乡市2015~2020年排序轴特征值及景观指数-驱动因子相关性1234排序特征值0.32970.23700.02100.0073景观指数—驱动因子相关性0.83130.47840.00000.0000特征累计贡献率59.468.2779.8581.211.3.2城乡建设用地景观指数与驱动因子的相关性2000年~2005年（图4-1），斑块数量和景观面积与经济、社会因子具有较为显著的相关性，相关程度的排序为固定资产投资＞地区生产总值＞地方财政收入＞居民人均可支配收入＞人口数量；斑块平均面积、景观结合度指数和景观形状指数与经济、社会因子的相关性一致，地方财政收入的影响力最大，人口数量的影响最小；景观分离度指数、景观蔓延度指数和斑块密度，与人口数量呈正相关关系，与其他四个因子呈负相关关系。最大斑块指数、斑块边缘密度与经济、社会因子也存在一定关系，其中与地方财政收入、固定资产投资为正相关，与其他三个因子呈负相关。2005~2010年（图4-2），斑块边缘密度和景观面积与经济、社会因子的关系有一定相似性，但相关程度有所区别，对斑块边缘密度变化影响最大的是地方财政收入，而与景观面积相关程度最高的是地区生产总值；平均斑块面积、景观结合度指数与影响因子的关系相似，相关性最显著的是固定资产投资，相关度最低的是人口数量；景观分离度指数、景观形状指数以及斑块数量与驱动因子间都存在正相关关系，相关程度排序为：人口数量＞居民人均可支配收入＞地区生产总值＞地方财政收入＞固定资产投资；最大斑块指数、景观蔓延度指数和斑块密度与驱动因子间的相关关系相同，均呈负相关，地区生产总值的影响最大。2010~2015年（图4-3），斑块数量、景观面积与驱动因子间的相关关系一致，除地方财政收入之外，与其他四个因子间呈正相关，相关程度从大到小为：居民人均可支配收入＞地区生产总值＞固定资产投资＞人口数量；平均斑块面积、景观形状指数与影响因子间的相关性一致，除人口数量外，与其他四个因子均呈正相关，相关程度从大到小为：地区生产总值＞固定资产投资＞居民人均可支配收入＞地方财政收入；斑块密度、景观蔓延度指数与影响因子间的相关关系一致，与人口数量呈正相关，与其他四个因子呈负相关，影响最大的是地区生产总值。最大斑块指数与人口数量及居民人均可支配收入呈正相关，与地区生产总值、固定资产投资、地方财政收入呈负相关。与斑块边缘密度相关性最强的影响因子为固定资产投资。景观结合度指数与人口数量、居民人均可支配收入呈负相关，与地方财政收入、地区生产总值、固定资产投资呈正相关。2015~2020年（图4-4），斑块边缘密度、景观结合度指数与影响因子间的相关性相似，人口数量和固定资产投资的影响较大；对景观面积、最大斑块指数影响最大的因子为固定资产投资；与平均斑块面积相关性最显著的因子为人口数量；斑块密度、景观分离度指数、景观蔓延度指数与居民人均可支配收入及人口数量呈负相关，与其余三个因子呈正相关；景观形状指数、斑块数量与居民人均可支配收入及人口数量呈正相关，与其他三个因子呈负相关。图4-1湘乡市2000~2005年城乡建设用地空间格局指数与驱动因子关系的DCCA排序注：在DCCA二维排序图中，带箭头的射线代表环境因子变量（居民人均可支配收入RJKZPSR，人口数量ZRS，固定资产投资GDTZ，地区生产总值SCZZ，地方财政收入CZSR)即湘乡市18个乡镇社会、经济发展指标的变化量,空心三角形代表物种变量，即湘乡市18个乡镇城乡建设用地空间格局指数变化量。物种变量与环境变量相关关系用二者的夹角余弦值表示。图4-2湘乡市2005~2010年城乡建设用地景观指数与驱动因子关系的DCCA排序图4-3湘乡市2010~2015年城乡建设用地空间格局指数与驱动因子关系的DCCA排序图4-4湘乡市2015~2020年城乡建设用地空间格局指数与驱动因子关系的DCCA排序1.3.3城乡建设用地景观指数与乡镇样本的相关性2000-2005年（图4-5），白田、虞唐、潭市、龙洞、中沙、栗山5个乡镇与10个景观指数都具有密切相关性，其中，与景观分离度指数、景观蔓延度指数关系最为密切。山枣、东郊、壶天、翻江四个乡镇与10个景观指数都具有密切相关性，其中，与景观分离度指数、景观蔓延度指数、斑块密度的相关性较小。景观指数与梅桥、育塅的相关性从大到小依次为景观分离度指数、景观蔓延度指数、景观结合度指数、斑块数量、景观面积、景观形状指数、最大斑块指数、平均斑块面积、斑块边缘密度。金薮、金石与景观指数间的相关性较小，其中相对较大的为景观分离度指数、景观蔓延度指数、斑块密度。与梅桥、育塅、毛田、泉塘关系最为密切的景观指数为斑块数量、景观面积、景观形状指数。棋梓、月山与10个景观指数相关性均较低。2005~2010年（图4-6），白田、翻江、月山与10个景观指数间都存在密切相关性，其中与斑块密度、景观蔓延度指数、最大斑块指数相关程度最大。壶天与10个景观指数间也存在密切相关，其中关系最为密切的景观指数为平均斑块面积、景观分离度指数、斑块边缘密度。与栗山、梅桥、山枣、潭市、中沙相关性相对较强的景观指数为斑块密度、景观蔓延度指数、最大斑块指数。与龙洞、育塅、虞唐关系最为密切的景观指数为景观面积、斑块数量。金薮、毛田、金石与10个景观指数都存在一定相关性，其中相关性较高的景观指数为景观形状指数、景观分离度指数、斑块数量。棋梓、潭市与10个景观指数的相关性较小。2010年~2015年（图4-7），龙洞、毛田、潭市、金石、中沙5个乡镇与10个景观指数存在密切的相关性，白田、翻江、梅桥、月山与10个景观指数有一定的相关性。泉塘、虞唐与景观指数的相关关系具有一定相似性，与其相关性最强的是景观分离度指数，相关性最小的是最大斑块指数。壶天、栗山、山枣与景观指数的相关性具有一定相似性，与其相关性最强的为景观结合度指数。东郊、金薮、育塅、棋梓与各景观指数相关性较弱。2015~2020年（图4-8），栗山、毛田、山枣、中沙与景观指数间的关系具有相似性，与10个指数都有密切的相关性。白田、翻江、壶天、金薮、泉塘与景观面积、景观蔓延度指数、景观形状指数、斑块密度有密切相关性，与平均斑块面积、景观结合度指数的相关性较小。梅桥与斑块数量、景观分离度指数相关性较高。与金石、龙洞、棋梓相关性最高的是景观面积，相关性最小的是斑块数量。与育塅、虞唐之相关性最大的景观指数为斑块数量。潭市、月山、东郊与景观指数相关性较弱。图4-5湘乡市2000~2005年景观指数与乡镇样本关系的DCCA排序注：排序图中代表景观指数类型，代表湘乡市18个乡镇样本（排序见附表）。乡镇样本与景观指数的相关关系表达：用线段连接景观指数与乡镇样本，线段越短，相关性越强，线段越长，相关性越弱。图4-6湘乡市2005~2010年景观指数与乡镇样本关系的DCCA排序图4-7湘乡市2010~2015年景观指数与乡镇样本关系的DCCA排序图4-8湘乡市2015~2020年景观指数与乡镇样本关系的DCCA排序1.3.4乡镇样本与驱动因子间的相关性2000~2005年（图4-9），5个驱动因子都对各乡镇景观指数变化产生影响，但各乡镇的主要驱动力存在一定差异。18个乡镇的主要驱动力可分为四类：白田、东郊、壶天、棋梓、龙洞、虞唐、中沙、栗山9个乡镇与地方财政收入的相关性最显著，月山镇与地方财政收入的相关性最小。金薮、毛田、月山与居民人均可支配收入相关性最显著，棋梓与居民人均可支配收入相关性最小。梅桥、山枣、育塅、翻江与人口数量相关性最显著。金石、泉塘与地区生产总值相关性最大。2005~2010年（图4-10），育塅、虞唐与驱动因子的相关关系具有相似性，相关程度从大到小的排序为：居民人均可支配收入＞人口数量＞地区生产总值＞地方财政收入＞固定资产投资。与龙洞关系最为密切的驱动因子为人口数量。与壶天相关性最强的驱动因子为固定资产投资。金薮、金石、毛田与驱动因子间具有相似的相关性，相关程度从大到小排序为：固定资产投资＞地方财政收入＞地区生产总值